PowerGrow: Generatives Modell für dynamische Stromnetze

Moderne Stromsysteme werden immer dynamischer, weil sich ihre Topologien und Lastprofile durch erneuerbare Energien, Elektrofahrzeuge und aktive Netzkonfigurationen ständig verändern. Trotz dieser Entwicklungen sind öffentlich verfügbare Testfälle noch immer knapp, weil Sicherheitsbedenken und der Aufwand zur Anonymisierung echter Systeme die Nutzung einschränken.

Um diese Lücke zu schließen, wurde PowerGrow entwickelt – ein co-generatives Framework, das gleichzeitig Netzstruktur und nodale Dynamik erzeugt. Durch die Zerlegung der komplexen gemeinsamen Verteilung in eine Kette bedingter Verteilungen kann PowerGrow die Erzeugung in mehreren, voneinander abhängigen Schritten steuern und dabei die physikalische Machbarkeit gewährleisten.

Im Kern nutzt das System einen hierarchischen Graph‑Beta‑Diffusionsprozess für die strukturelle Synthese und einen zeitlichen Autoencoder, der Lastzeitreihen in einen kompakten latenten Raum überführt. Diese Kombination verbessert die Trainingsstabilität und die Qualität der erzeugten Netzwerke erheblich.

Experimentelle Tests an etablierten Benchmarks zeigen, dass PowerGrow die bisherigen Diffusionsmodelle in Bezug auf Genauigkeit und Vielfalt übertrifft. Zudem erreicht es eine Konvergenzrate von 98,9 % bei Leistungsflussberechnungen, was die praktische Anwendbarkeit stark erhöht.

Die Ergebnisse deuten darauf hin, dass PowerGrow ein vielversprechendes Werkzeug für die Forschung und die Entwicklung von sicheren, dynamischen Stromnetzen darstellt und die Erstellung realistischer Testfälle in der Praxis erleichtert.